一种层次化商品信息过滤推荐方法

摘要

本发明涉及一种层次化商品信息过滤推荐方法，包括如下步骤：对于推荐系统，构造一种分层泊松模型；对每一组有效用户商品对构造长度为K的向量，评分大小为对应用户偏好向量与商品属性向量的内积；采用变分推断的方法进行逼近后验分布，利用坐标上升法多次迭代直至收敛，推导出所有隐变量的近似分布；预测每组用户商品对评分，根据得分大小排序可对用户进行最终的推荐。本发明的优点在于：1、可以生成对商品用户的稀疏表示；准确拟合了用户商品的长尾效应；3、对未评分用户商品对有降权效果；4、对稀疏评分矩阵可作出快速推断；5、良好的拓展性，适用于大规模评分集。

主权项

一种层次化商品信息过滤推荐方法，其特征在于包括如下步骤：A1：对于推荐系统，构造一种分层泊松模型；A2、对每一组有效用户商品对构造长度为K的向量z_ui，其中每一个分量z_uik～Poisson(θ_ukβ_ik)，评分大小为对应用户偏好向量与商品属性向量的内积，其中K为商品属性向量和用户偏好向量的长度，z_ui为每组用户、商品对构造的长度为K的辅助向量，θ_u为用户偏好向量，β_i为商品属性向量，k为分量的序号，u为用户序号，i为商品序号；A3、采用变分推断的方法进行逼近后验分布，利用坐标上升法多次迭代直至收敛，推导出所有隐变量的近似分布；其中各参数的含义如下：β为β_i的集合，θ表示θ_u的集合；ξ_u为用户偏好向量满足Gamma分布中的尺度参数，ξ表示ξ_u的集合，η_i为商品属性向量满足Gamma分布中的尺度参数，η为η_i的集合，z变量表示z_ui的集合；A4、预测每组用户商品对评分，根据得分大小排序可对用户进行最终的推荐，其中上标T表示向量转置，将列向量转置为行向量。